Google的深度神经网络强在哪里？谷歌首席科学家说了这些奇妙的特性

第一代系统DistBeliet在可扩缩性上表现很好，但在用于研究时灵活性达不到预期。对问题空间的更深理解让我们可以做出一些大幅度的简化。

这也是第二代系统的研发动机，用 TensorFlow 表达高层次的机器学习计算。它是C++语言编写的核心，冗余少。而不同的前端，现有Python和C++前端，添加其他语言的前端也不是难题。

计算可以用一张数据流图来理解。

我们输入数据、权重、误差以及标签，在不同节点进行不同的运算。

TensorFlow名字的意义

Tensor（张量）意味着N维数组。1维时就是向量，2维时就是矩阵；通过图像可以代表更高维的数据流，比如，图像可以用三维张量（行，列，颜色）来表示。

Flow（流）意味着基于数据流图的计算。有许多运算（图中的节点）应用在数据流上。

张量从图象的一端流动到另一端，这就是“TensorFlow”。“边”代表张量（数据），节点代表运算处理。

这是使用张量计算的示意图。

这是使用状态计算的示意图。

这是使用分布式计算的示意图。

它能够在各个平台上自动运行模型：电话上，单个机器上（CPU或GPU），由成百上千的GPU卡组成的的分布式系统。

如果你还没想通过深度学习网络去解决你的数据问题，你还是要赶紧考虑。TensorFlow 让每个人更容易获取深度学习能力。

高度扩展的设计，更快的实验速度加速研究进程

容易分享模型，开发代码应用到可重用的效果

通过同一个系统把研究工作直接用于生产环境

最后说一些quora上大家给Jeff Dean大神编的段子，供君一乐：

Jeff Dean当初面试Google时，被问到“如果P=NP能够推导出哪些结论”，Jeff回答说：“P = 0或者N = 1”。而在面试官还没笑完的时候，Jeff检查了一下Google的公钥，然后在黑板上写下了私钥。编译器从不警告Jeff Dean，只有Jeff警告编译器。Jeff Dean的编码速度在2000年底提高了约40倍，因为他换了USB2.0的键盘。Jeff Dean被迫发明了异步API因为有一天他把一个函数优化到在调用前就返回结果了。Jeff Dean曾经写过一个O(n2)算法，那是为了解决旅行商问题。Jeff Dean的键盘只有两个键，1和0。

Jeff Dean失眠的时候，就Mapreduce羊。

参考文章：Jeff Dean on Large-Scale Deep Learning at Google。

（编辑：云计算网_泰州站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!